基于改进最小叉熵法的区域综合能源系统经济效益评估

区域综合能源系统（regional integrated energy system,RIES）作为一种可充分利用多种能源的有效网络形式,其组成方案的经济效益评估意义重大。文章首先分析了RIES的架构,搭建了RIES经济性评价指标体系。为提高指标权重融合的合理性,本文提出可反映主客观权重内在联系的改进最小叉熵法;并结合优劣解距离法（Technique for order preference by similarity to ideal solution,TOPSIS）和秩和比法（Rank-sum ratio,RSR）,进行RIES投资方案的多准则评价排序并选出最优方案。最后,选取某工业园区不同系统组成方案作为算例进行经济效益评估验证,结果证明了该方法的工程实用性,对RIES规划、改造等项目的经济效益评价具有一定的参考价值。     

考虑数据不均衡的居民用户负荷曲线分类方法

由于用户用电行为的多样性和随机性,负荷数据存在分布不均衡的问题,传统负荷曲线分类方法在处理不均衡数据时性能较差,为此,提出一种改进K-means与LSTM（long short term memory network）-CNN（convolutional neural network）分类模型结合的负荷曲线分类方法。首先,为提升K-means算法对不均衡数据的聚类效果,基于密度峰值聚类算法（density peaks clustering,DPC）思想,提出一种相对k近邻密度峰值初始聚类中心选取方法（related k-nearest neighbor density peaks,RKDP）,将其作为K-means算法的初始中心进行聚类;其次,为提高RKDP_K-means处理高维负荷数据的性能,采用LSTM自编码器进行特征降维后再聚类（LSTM-auto-encoder RKDP_K-means,LARK）获得精准类别标签;最后,基于LSTM和CNN网络分别提取负荷特征构建负荷曲线分类模型,实现对大规模负荷曲线的分类。算例表明在大规模负荷曲线分类时,相比于LARK算法,本文所提方法轮廓系数指标提升29.7%,效率提升3.46倍,具有良好的负荷曲线分类效果。     

改进海鸥算法的多阈值图像分割算法北大核心CSCD

为进一步提高图像分割精度,改善传统多阈值图像分割方法计算量大、分割慢的问题,提出了改进海鸥算法(improved seagull optimization algorithm,ISOA)的多阈值图像分割方案。针对原始海鸥算法(seagull optimization algorithm,SOA)存在早熟、寻优精度不足的问题,首先,采用cubic混沌映射优化初始解,提高搜索效率;其次,引入鹰栖息优化算法(eagle perching optmizer,EPO)的缩放因子和疯狂算子进行扰动,并与麻雀搜索算法(sparow search algorithm,SSA)警戒者的位置更新相结合,优化寻优精度和收敛速度,避免陷入局部最优。利用6种基准测试函数对ISOA进行寻优性能测试。最后,将ISOA与图像分割的最优阈值选取相结合,进行基于Otsu的多阈值图像分割,并与现有分割算法进行对比。仿真结果表明,ISOA在基于Otsu的图像分割中,100%取得了最优值,且80.9%的结果优于其余算法,使图像的分割精度和质量均得到了优化。     

基于改进型能量守恒SOC估算法的电动汽车三段式智能充电方式研究

为研究电动汽车安全、快速的智能充电方式,基于传统能量守恒法,考虑电池容量衰减和电池内阻损失对荷电状态(state of charge,SOC)估算的影响,提出改进型能量守恒SOC估算方法。对比分析几种传统充电方式,根据马斯定理确定最佳充电电流,提出以改进型能量守恒SOC估算法得到的SOC值作为判断依据的电动汽车三段式(小电流充电、脉冲充电、恒压充电)智能充电方式,并建立其仿真模型。结果表明:改进型能量守恒SOC估算法得到的SOC值要小于传统能量守恒法,其更加接近真实SOC值;三段式智能充电方式能根据电池组SOC值的变化智能地选择具体充电方式,实现了对电池的安全、快速充电。提出的基于改进型能量守恒SOC估算的三段式智能充电方式对当前电动汽车充电方式的研究提供了一定的参考价值,为智能充电方式研究效能的提升提供了一种可行方法,也为智能充电理论应用于工程实践打下基础。     

基于改进灰狼算法的啤酒灌装PID液位控制

目的 针对啤酒罐装液位控制存在的变负荷、多模态、PID参数整定难的问题,提出一种基于改进灰狼算法的PID参数整定方法,以提高啤酒生产的工作效率。方法 对灰狼算法进行改进,使用欧式距离变化率动态调整收敛因子,平衡算法的全局搜索能力;引入动态自适应权重因子,提高算法的优化速度和精度;与基本灰狼算法比较并用测试函数验证改进算法的性能。结果 仿真结果表明,改进后的灰狼算法在收敛速度和精度上提升效果显著;改进灰狼算法整定的PID参数的上升时间为1.9s,调节时间为5.12 s,超调量为3.78%。结论 与基本灰狼算法对比,改进灰狼算法对啤酒灌装液位PID参数进行整定,调节时间快,超调较小,可以更好地满足啤酒生产的控制要求。     

An Influence Maximization Algorithm Based on Improved K-Shell in Temporal Social Networks

Influence maximization of temporal social networks (IMT) is a problem that aims to find the most influential set of nodes in the temporal network so that their information can be the most widely spread. To solve the IMT problem, we propose an influence maximization algorithm based on an improved K-shell method, namely improved K-shell in temporal social networks (KT). The algorithm takes into account the global and local structures of temporal social networks. First, to obtain the kernel value Ks of each node, in the global scope, it layers the network according to the temporal characteristic of nodes by improving the K-shell method. Then, in the local scope, the calculation method of comprehensive degree is proposed to weigh the influence of nodes. Finally, the node with the highest comprehensive degree in each core layer is selected as the seed. However, the seed selection strategy of KT can easily lose some influential nodes. Thus, by optimizing the seed selection strategy, this paper proposes an efficient heuristic algorithm called improved K-shell in temporal social networks for influence maximization (KTIM). According to the hierarchical distribution of cores, the algorithm adds nodes near the central core to the candidate seed set. It then searches for seeds in the candidate seed set according to the comprehensive degree. Experiments show that KTIM is close to the best performing improved method for influence maximization of temporal graph (IMIT) algorithm in terms of effectiveness, but runs at least an order of magnitude faster than it. Therefore, considering the effectiveness and efficiency simultaneously in temporal social networks, the KTIM algorithm works better than other baseline algorithms.     

环境一号B星热红外波段单通道算法温度反演

文中在考虑环境一号B星(HJ-1B)热红外波段(infrared scanner,IRS4)光谱响应函数和有效波长的基础上,通过MODTRAN4模型模拟,对Jimenez-Munoz和Sobrino(JM&S)单通道算法中的大气函数进行改进,重新计算得到了适合HJ-1B星IRS4地表温度(land surface temperature,LST)反演的3个大气函数公式,并反演了福州地区的地表温度.采用基于星上辐亮度法对反演的地表温度进行精度评价,并将反演的地表温度与JM&S算法、段四波等修正的JM&S算法反演的地表温度进行对比分析.结果表明:使用文中改进后的大气参数对HJ-1B星IRS4进行地表温度反演,可取得较好结果.     

基于改进BP神经网络的铅酸蓄电池放电程度评估

针对传统方法评估蓄电池放电程度的缺点,引入人工神经网络算法,建立以蓄电池开路电压、内阻和工作温度为输入的蓄电池放电程度改进BP神经网络模型,实现对铅酸蓄电池放电程度的评估。结果表明,通过该网络模型可以方便快速地得到蓄电池的放电程度评估值,所得结果满足要求。     

一种医学图像的轮廓提取方法

针对医学图像的模糊性和灰度不均导致目标轮廓难以准确提取的问题,提出使用改进的遗传算法控制主动轮廓模型完成边界提取的方法。采用保优算子保留遗传性状,选择适当的交叉算子,在进化后期可实现由整体寻优到局部寻优的转变。实验结果证明,该方法在提取目标轮廓时抗模糊能力强、鲁棒性好。     

基于改进的Mean-shift驾驶员人脸跟踪算法研究

为了实现对驾驶员人脸实时跟踪,提出了一种改进的Mean-shift算法。首先对人脸提取类Haar特征,使用类Haar特征构造弱分类器,然后根据样本的权值分布构造出强分类器,形成人脸检测分类器;由于光照变化等因素的影响,引入红外主动照明模式,通过隔离可见光照,基本上消除了光照变化对人脸检测造成的影响;针对Mean-shift算法在被跟踪目标发生快速移动时容易跟踪失败的缺点,改进了Mean-shift算法：当目标发生快速移动时,采用SSD（Sum of Square Dif-ference）算法进行全局搜索。以实际驾驶员人脸检测与跟踪实验为例进行了大量实验,提出的方法比Mean-shift算法的速度快、准确度高。